語音合成技術已進入到人們的日常生活，有聲閱讀、智能客服、智能家居等場景都已經(jīng)出現(xiàn)了“它”的身影。有情感的聲音，賦予機器生命感，讓人機交互更美好、簡單。
5月28日，標貝科技重磅推出情感合成方案，主打高音質及高自然度的情感語音合成效果，滿足有聲閱讀、兒童教育、車載、泛娛樂等多場景使用。據(jù)悉，標貝科技本次打造情感合成方案，是繼3月成功推出留聲機方案之后，推出的又一全新TTS解決方案，通過整體提高情感合成聲音效果，提升用戶的交互體驗。
AI情感合成讓語音交互更有溫度
聲音的可用性，可以通過自然度、可懂度、識別度等維度來考量。語音技術的進步，讓機器合成的聲音不再頓挫、冰冷，在自然度和可懂度等方面取得了不錯的成績，但當前合成效果在合成音的表現(xiàn)力上，特別是語氣和情感方面，還有不足。缺乏情感的聲音，何談傳遞情感，留住用戶？
情感合成，可以具有更進一步的聲音表現(xiàn)力，傳遞出文本文字之外更多的信息，做到聲情并茂，以更動聽的聲音，更富有情感地表達內容。
事實上，不同場景及文本類型，對聲音的要求也不同，除了基本的高音質、自然度要求外，讓聲音擁有情感是不可或缺的。同樣的文本內容，用不同情感表達出的傳遞出的意思也不盡相同，需要“音”景制宜，以增強用戶的融入感、代入感。例如，這句話“為什么你要這么問我?”試想下用生氣、高興、恐懼等情感說出效果與表達的意思。
此外，隨著語音技術推廣應用深入不同的服務場景，用戶對聲音提出了更高的要求。智能客服場景，需要親和溫暖的聲音來提高用戶的滿意度；有聲閱讀場景，需要根據(jù)不同題材搭配出不同聲音，讓用戶感受有聲文本的魅力；智慧生活場景的語音交互，需要有情感的聲音賦予機器生命力，更懂用戶，感受科技生活的美好。
因此，如何進一步提高語音合成的表現(xiàn)力，特別是讓合成語音能夠模擬表達說話人的情感狀態(tài)，是語音合成未來發(fā)展的趨勢，而這也正是標貝科技一直努力的方向。
打造高音質、高自然度、強表現(xiàn)力的情感合成TTS
據(jù)標貝科技語音相關負責人介紹，基于深度學習技術及自有定制情感數(shù)據(jù)，標貝本次推出情感合成TTS，主打高音質、高自然度與多情感，可以呈現(xiàn)出高興、憤怒、恐懼、哀嘆、悲傷等多種情感聲音，在韻律表現(xiàn)、聲音層次感、情感表達等方面做到更加接近真人情感化表達的語音效果。標貝科技希望通過語音技術的不斷創(chuàng)新，打造出更有表現(xiàn)力、更自然、更動聽的情感合成語音，持續(xù)提升用戶交互體驗。
例如有聲閱讀、兒童教育、智能硬件等場景，高音質、自然度的情感很重要。標貝通過使用情感TTS技術，力求在語氣、語音、語調、情感等方面接近真人說話，與場景匹配，讓用戶在不同場景和碎片化時間，進行有聲聽讀獲取資訊、體驗在線學習教育獲得優(yōu)質體驗。
以多角色情感合成為例，由于故事、小說等文本素材包含大量角色人物，通過不同情感合成聲音配合文本內容，以展現(xiàn)文學小說人物的的特點，讓AI技術生產(chǎn)的有聲讀物更有“人情味”。
下面通過一個多角色多情感的兒童故事合成樣本，來展示標貝情感TTS帶來不一樣的有聲故事體驗。
在故事中，我們可以切實感受到故事中人物情感的變化情況，更能夠吸引少兒聽眾，營造一種引人入勝的沉浸感。
來自易觀發(fā)布《2020年中國音頻產(chǎn)業(yè)生態(tài)發(fā)展分析報告》表示，有聲市場呈現(xiàn)增長的態(tài)勢，越來越多的用戶開始接受有聲閱讀這樣的形式來收聽內容。其中，2020年1季度，在某知名有聲書平臺的播放量和收聽人數(shù)上都有顯著增長，兩者環(huán)比分別增長80.32%和39.82%。此外，用戶在有聲讀物的付費購買上也更加積極，2019年該平臺整體有聲書專輯訂單中過半為付費訂單。
毫無疑問，有聲市場的爆發(fā)增長，將誕生大量不同類型的有聲內容，相信情感語音合成能夠帶來更加自然和豐富的語音體驗，為有聲讀物市場提供更有競爭力的差異化產(chǎn)品。
自有數(shù)據(jù)庫加持讓情感合成實現(xiàn)“可定制”
事實上，打造自然、高表現(xiàn)力的聲音效果，自然離不開語音情感數(shù)據(jù)支持。數(shù)據(jù)庫是語音合成技術的基礎，也是決定語音合成效果的關鍵因素之一。據(jù)了解，標貝科技本次打造的情感TTS，采用了自有定制的高保真的情感語音庫。
目前，標貝科技自有定制型語音庫已開發(fā)出包括中文女聲情感音庫、多語種多音色男女聲音庫、粵語語音庫、兒童語音庫、葡萄牙語音庫、臺灣普通話語音庫、日語音庫、韓語音庫、明星語音庫等數(shù)十種類別，IP語音庫還在不斷豐富和積累中。
基于領先語音技術+高質量的數(shù)據(jù)庫基礎，標貝能夠提供業(yè)內優(yōu)質的情感解決方案，呈現(xiàn)出聲音的多樣性、和個性化的合成效果體驗。這也是因為標貝科技自成立起，將語音交互效果和數(shù)據(jù)質量放在首位，擁有完整的采標一體化解決方案，能夠實現(xiàn)快速產(chǎn)出高質量的語音合成、語音識別、自然語言處理、計算機視覺等采標服務，為行業(yè)提供一站式語音和數(shù)據(jù)服務。
未來，隨著語音技術不斷發(fā)展，技術與場景的關系變得緊密，而用戶需求變得更加個性化。標貝科技將加大技術創(chuàng)新投入，打造更有溫度的情感聲音，讓語音交互效果更“聲入人心”。
